WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W WYMIAROWANIU ZBIORNIKÓW RETENCYJNYCH
|
|
- Maria Drozd
- 6 lat temu
- Przeglądów:
Transkrypt
1 Proceedings of ECOpole DOI: /proc (1) ;10(2) Kamil POCHWAT 1 i Daniel SŁYŚ 1 WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W WYMIAROWANIU ZBIORNIKÓW RETENCYJNYCH USING ARTIFICIAL NEURAL NETWORKS FOR DIMENSIONING OF STORAGE RESERVOIRS Abstrakt: Kanalizacyjne zbiorniki retencyjne są obiektami służącymi między innymi do redukowania przepływu strumienia objętości ścieków w systemach kanalizacyjnych. Ich główną zaletą jest możliwość zwiększenia retencji w systemie, co w efekcie wpływa na poprawę bezpieczeństwa hydraulicznego zlewni poprzez ograniczenie możliwości wylania się ścieków i powstania zjawiska powodzi miejskich. Coraz powszechniejsze użycie obiektów retencyjnych, obserwowane zmiany klimatu oraz rozwój dostępnych narzędzi softwarowych powodują konieczność aktualizowania metod ich wymiarowania. Dotychczas najczęściej wykorzystywane w tym celu są formuły analityczne oraz narzędzia do modelowania hydrodynamicznego. W obu przypadkach podstawą do właściwego zaprojektowania obiektu retencyjnego jest wybór miarodajnego opadu deszczu o określonym prawdopodobieństwie wystąpienia i odpowiedniej długości czasu trwania, który powoduje krytyczny przepływ ścieków w systemie kanalizacyjnym i wymaga zastosowania największej niezbędnej pojemności retencyjnej zbiornika. Celem artykułu jest wykonanie analizy możliwości wykorzystania sztucznych sieci neuronowych we wstępnym szacowaniu miarodajnej długości czasu deszczu. Jej wartość jest niezbędna w procesie modelowania hydrodynamicznego funkcjonowania systemu i wyznaczenia niezbędnej pojemności retencyjnej zbiornika. W badaniach do budowy modelu sztucznej sieci neuronowej wykorzystano teorię planowania doświadczeń oraz pakiet Statistica. Słowa kluczowe: zbiorniki retencyjne, opad miarodajny, rozkład opadu deszczu, wymiarowanie zbiorników retencyjnych Wprowadzenie Wymiarowanie obiektów retencyjnych bazuje na analizie kształtowania się hydrogramów dopływu i odpływu ścieków ze zbiornika [1-6]. Podstawą do ich uzyskania w programach do symulacji hydrodynamicznych [7] jest przyjęcie właściwego, miarodajnego opadu deszczu o określonym prawdopodobieństwie wystąpienia i krytycznej długości czasu trwania. Najczęściej stosowane dotychczas w Polsce procedury wymiarowania obiektów retencyjnych bazują na metodach, opierających się na wykorzystaniu stałych w czasie charakterystyk deszczu, np. modelowy opad Błaszczyka [4, 8]. Stanowi to znaczne uproszczenie zjawiska opadowego i prowadzi do zniekształcenia procesów hydrologicznych zachodzących w układzie opad - system kanalizacyjny - zbiornik retencyjny [9]. W efekcie skutkuje to często niedoszacowaniem wymaganej kubatury obiektu retencyjnego, a tym samym zwiększeniem możliwości wylewania się ścieków z systemu i powstaniem lokalnych podtopień [10]. 1 Zakład Infrastruktury i Ekorozwoju, Wydział Budownictwa, Inżynierii Środowiska i Architektury, Politechnika Rzeszowska, al. Powstańców Warszawy 6, Rzeszów, tel , , kp@prz.edu.pl, daniels@prz.edu.pl Praca była prezentowana podczas konferencji ECOpole 15, Jarnołtówek,
2 758 Kamil Pochwat i Daniel Słyś Przeprowadzone dotychczas badania w zakresie retencjonowania ścieków deszczowych [1, 11] umożliwiły opracowanie analitycznych metod pozwalających na zdeterminowanie parametrów projektowych opadów miarodajnych. Efektem tych badań było m.in. opracowanie zależności (1) pozwalającej na wyznaczenie wartości miarodajnego czasu trwania deszczu TDM do wymiarowania wielokomorowych zbiorników retencyjnych [1]: 0, 667 Kd TDM = (1), 2 1 ( 0 67 ) 133, QO Td Kd +, Kd QO 0, 67 QO Td Kd gdzie: Kd - parametr charakteryzujący lokalizację geograficzną, rozmiar zlewni oraz niezawodność funkcjonowania sieci kanalizacyjnej, wyznaczany z zależności (2) [m 3 s 0,333 ], Td - czas trwania deszczu dla sieci [min]. 0,67 0,33 Kd = 6, 63 H c F (2) Jednakże przedstawione zależności pozwalają na wyznaczenie krytycznej długości czasu trwania opadu o stałej w czasie charakterystyce, a jak wykazują wstępne symulacje, wykorzystujące różne rozkłady deszczy w czasie, zauważa się, że w zależności od kształtu ich rozkładu zmienia się niezbędna pojemność retencyjna zbiornika V u [12]. Co więcej, opady o zmiennym w czasie rozkładzie wymagają zapewnienia większych niezbędnych pojemności retencyjnych przy tych samych wartościach prawdopodobieństwa wystąpienia opadu. Wskazuje to na uzasadnioną konieczność ich stosowania w celu zwiększenia bezpieczeństwa hydraulicznego w zlewni. Cel i zakres badań Celem badań jest analiza możliwości wykorzystania sztucznych sieci neuronowych jako narzędzia służącego do wyznaczenia krytycznej długości czasu trwania opadu o zmiennej w czasie charakterystyce w procesie wymiarowania niezbędnej pojemności retencyjnej obiektu. Jako podstawę badań przyjęto opad syntetyczny, którego rozkład czasowy opisuje równanie: 2 h o ( t ) zr = a t (3) Charakterystykę tego rozkładu opadu opisuje funkcja kwadratowa (3) z jednym miejscem zerowym we współrzędnych (0,0). Zgodnie z przyjętym założeniem, opad rozpoczyna się od wartości wysokości opadu h o równej 0 i w miarę upływu czasu t wzrasta w funkcji kwadratowej w całym zakresie czasu trwania opadu t op (rys. 1). 3
3 Wykorzystanie sztucznych sieci neuronowych w wymiarowaniu zbiorników retencyjnych 759 Rys. 1. Charakterystyka opadu o rozkładzie C4, (t 0,1,2 - czas opadu, h o(t0,1,2) - wysokość opadu w czasie t 0,1,2) Fig. 1. Characteristics of precipitation for the distribution of C4, (t 0,1,2 - time of rainfall, h o(t0,1,2) - the amount of rainfall in time t 0,1,2) Metodyka i przypadek studyjny Zaplanowane w badaniach analizy oparto na symulacjach hydrodynamicznych funkcjonowania systemów kanalizacyjnych o odmiennych parametrach hydraulicznych zlewni i systemu kanalizacyjnego. W celu budowy reprezentacyjnych systemów kanalizacyjnych opracowano model niezbędnej pojemności retencyjnej zbiornika, który pozwolił na określenie parametrów projektowych systemu kanalizacyjnego, mających wpływ na wynik końcowy. W opracowanym modelu zestawiono parametry wejściowe, wyjściowe i stałe, co przedstawiono na rysunku 2. Liczbę niezbędnych do wykonania analiz, modeli systemów kanalizacyjnych oraz wartości ich parametrów hydraulicznych ustalono na podstawie teorii planowania doświadczeń (ang. design of experiment). Uzyskane wyniki w dalszej części badań wykorzystano do budowy sztucznej sieci neuronowej, która w przyszłości może być wykorzystana jako narzędzie służące do predykcji krytycznej długości czasu deszczu o zmiennej w czasie charakterystyce. Wartości obciążenia zlewni O z, kształtu zlewni n x oraz spadku kanałów % k zostały wyznaczone bezpośrednio za pomocą teorii planowania doświadczeń. Natomiast wartości długości kanału l k i szerokości pasa spływu sps wyznaczono pośrednio poprzez obliczenie ich za pomocą równań (4) i (5): Fzr Oz = (4) l k
4 760 Kamil Pochwat i Daniel Słyś sps = 2 (5) l k Rys. 2. Model obiektu badań Fig. 2. Research of object model Biorąc za podstawę wytyczne budowy planu zawarte w pracy Polańskiego [14] oraz podstawową wiedzę z zakresu systemów kanalizacyjnych, wybrano wartości graniczne przyjętych do analizy parametrów, które przedstawiono w tabeli 1. Minimalne i maksymalne wartości parametrów wejściowych do modelu The minimum and maximum values of the input parameters to the model Tabela 1 Parametr Minimalna wartość parametru Maksymalna wartość parametru przyjęta do analizy przyjęta do analizy Kształt zlewni n x [-] 1 7 Spadek kanału % k [ ] 2 8 Obciążenie zlewni O z [ha/km] 5 30 Table 1 Przyjęte wartości umożliwiły spełnienie kryterium wykonalności obliczeń i jednocześnie kryterium efektywności, które w dużym stopniu pozwalają na zmniejszenie liczby niezbędnych symulacji.
5 Wykorzystanie sztucznych sieci neuronowych w wymiarowaniu zbiorników retencyjnych 761 Układy badanych zlewni i sieci kanalizacyjnych oraz ich liczba zostały określone z wykorzystaniem programu Statistica. W badaniach przyjęto trzyczynnikowy plan centralny kompozycyjny z podwójnym powtórzeniem w punkcie centralnym [14]. Zastosowana metodyka pozwoliła na określenie wielkości badanych parametrów w postaci wartości kodowych przy użyciu formuły (6) [13, 14]: xˆ α ( x x ) i i i = 2 (6) xi,min xi,max gdzie: xˆ i - wartość kodowa [-], α - ramię gwiezdne planu; w przyjętym planie α wynosi 1,68179 [-], x i - wartość rzeczywista kolejnej zmiennej [-], x i,min - wartość minimalna wyznaczanej zmiennej rzeczywistej [-], x i,max - wartość maksymalna wyznaczanej zmiennej rzeczywistej [-], xi - wartość średnia wyznaczanej zmiennej rzeczywistej [-]. Przeliczenia wartości kodowych na rzeczywiste dokonano za pomocą równania (7), a wyniki zestawiono w tabeli 2 jako rzeczywisty plan badań: xˆ i xi = xi + ( xi, max xi ),i = 1, 2,... (7) α Tabela 2 Plan badań zawierający rzeczywiste wartości parametrów hydraulicznych zlewni i systemu kanalizacyjnego Table 2 The study plan containing the actual values of hydraulic parameters of the catchment and drainage system Numer układu Kształt zlewni nx Spadek kanału %k Obciążenie zlewni Oz Długość sieci lk dla zlewni o powierzchni 5 ha Długość sieci lk dla zlewni o powierzchni 10 ha Długość sieci lk dla zlewni o powierzchni 20 ha Długość sieci lk dla zlewni o powierzchni 35 ha Długość sieci lk dla zlewni o powierzchni 50 ha [ ] [ha/km] [m] [m] [m] [m] [m] c c
6 762 Kamil Pochwat i Daniel Słyś Opracowany plan tworzy szesnaście układów zlewni, definiowanych jako zestaw parametrów hydraulicznych opisujących konfigurację analizowanego systemu kanalizacyjnego. Ostatni etap badań dotyczący estymowania krytycznej długości czasu trwania deszczu dla zlewni o określonych wartościach parametrów hydraulicznych wykonano przy użyciu kreatora sztucznych sieci neuronowych w oprogramowaniu Statistica. Wyniki badań i ich dyskusja Badania służące opracowaniu metody wyznaczania miarodajnego czasu trwania deszczu o zmiennym w czasie rozkładzie przeprowadzono na szesnastu układach zlewni i różnych wartościach współczynnika redukcji przepływu ścieków. Otrzymane wyniki utworzyły zestaw danych zawierający 1350 przypadków. Zostały one uzyskane z przeprowadzonych symulacji miarodajnego czasu trwania opadu do wymiarowania zbiorników retencyjnych zlokalizowanych w systemie kanalizacji deszczowej. Symulacje wykonano w programie do modelowania hydrodynamicznego SWMM 5.0, a ich wyniki przedstawiono na rysunku 3. β = 0,1 β = 0,3 β = 0,5 β = 0,7 β = 0,9 Rys. 3. Uzyskane wyniki badań symulacyjnych długości czasu trwania deszczu t op do wymiarowania zbiornika retencyjnego Fig. 3. The results of studies the length of the rain t op for dimensioning of the reservoirs Wyniki badań sklasyfikowano w pięć grup różniących się między sobą wartością współczynnika redukcji przepływu ścieków β. Dalsze badania przeprowadzono z wykorzystaniem sztucznych sieci neuronowych [15, 16]. Niezbędne w tym przypadku było posiadanie odpowiednio bogatego zbioru
7 Wykorzystanie sztucznych sieci neuronowych w wymiarowaniu zbiorników retencyjnych 763 danych reprezentatywnych, dzięki którym wyznaczono oczekiwaną wartość zmiennej zależnej. W generowaniu sztucznej sieci neuronowej wykorzystano pakiet oprogramowania Statistica. Uzyskane dane zostały wprowadzone do środowiska programu, a następnie w kreatorze sztucznych sieci neuronowych zdefiniowano ustawienia dotyczące podziału zebranych danych na: dane testowe - 70% całości danych, dane uczące - 15% całości danych, dane walidacyjne - 15% całości danych. Kreator tworzenia sieci neuronowych wytypował 25 najlepiej dopasowanych sieci neuronowych, które zostały poddane dalszej selekcji, podczas której wybrano jedną, charakteryzującą się najmniejszą wartością błędu oraz najwyższą wartością dopasowania. Rys. 4. Schemat sztucznej sieci neuronowej do wyznaczenia miarodajnej długości czasu trwania opadu TDM Fig. 4. Diagram of artificial neural network to determine a reliable long duration rainfall TDM
8 764 Kamil Pochwat i Daniel Słyś Proponowanym do predykcji szukanych wyników okazał się model sieci neuronowej typu MLP (ang. Multi-Layered Perceptron) o architekturze Wybrana sieć charakteryzowała się najniższymi wartościami błędów uczenia, testowania i walidacji spośród pozostałych zaproponowanych przez program sieci. Zaproponowana sieć, której architektura została przedstawiona na rysunku 4, charakteryzuje się sześcioma neuronami w warstwie wejściowej, ośmioma w warstwie ukrytej i jednym w wyjściowej. Idea działania opracowanej sieci neuronowej polega na obliczeniu przez każdy neuron ważonej średniej z doprowadzanych do niego wartości wejściowych. Następnie otrzymany wynik jest przeliczany za pomocą funkcji przejścia i doprowadzany na wyjście. Jako funkcje aktywacji w warstwie ukrytej oraz wyjściowej przyjęto tangens hiperboliczny (tanh), a funkcję błędu wyznaczono za pomocą metody najmniejszych kwadratów SOS (ang. sum of squares). Na podstawie uzyskanych wyników badań symulacyjnych i obliczonych z wykorzystaniem sieci neuronowych można stwierdzić, że przedstawiony model charakteryzuje się dużą dokładnością. Zobrazowano to na rysunku 5, na którym zestawiono wartości oczekiwane jako wyniki długości czasu trwania deszczu TDM o otrzymane z symulacji komputerowych oraz wartości uzyskane za pomocą opracowanego modelu sztucznej sieci neuronowej TDM SSN. Rys. 5. Analiza regresji liniowej uzyskanej pomiędzy danymi doświadczalnymi a obliczonymi w modelu SSN (TDM SSN - wartość długości czasu trwania deszczu TDM do wymiarowania zbiornika uzyskana za pomocą SSN, TDM o - oczekiwana wartość długości czasu trwania deszczu TDM do wymiarowania zbiornika) Fig. 5. Linear regression analysis obtained between the experimental data and calculated in the model SNN (TDM SSN - length of the rainfall for dimensioning of the storage reservoir obtained using ANN, TDM o - expected length of the rainfall time for dimensioning of storage reservoir)
9 Wykorzystanie sztucznych sieci neuronowych w wymiarowaniu zbiorników retencyjnych 765 Wartość współczynnika korelacji r Pearsona obliczona dla uzyskanych wyników wynosi 0,955. Z kolei współczynnik determinacji R 2 osiągnął wartość 0,913, co według skali Stanisza [17] wskazuje na bardzo dobrą zależność liniową występującą pomiędzy wartościami oczekiwanymi a uzyskanymi z modelu. Podsumowanie i wnioski Dostępność aparatów matematycznych umożliwiających rozwój i rozpowszechnianie oprogramowania softwarowego do modelowania hydrodynamicznego pozwala na stosowanie wiarygodniejszych danych opadowych w procesie wymiarowania niezbędnej pojemności zbiorników. W przeprowadzonych badaniach potwierdzono, że sztuczne sieci neuronowe stanowią odpowiednie narzędzie służące do określenia krytycznej długości czasu trwania deszczu. Uzyskane za ich pomocą wyniki mogą być wykorzystane w metodzie uproszczonej do bezpośredniego szacowania miarodajnej długości czasu trwania opadu lub w metodzie dokładnej do zmniejszenia niezbędnych do wykonania iteracji służącej wyznaczeniu dokładnego wyniku. Wykonane badania w powiązaniu z głęboką analizą uzyskanych wyników w zakresie podjętej problematyki badawczej pozwoliły na stwierdzenie, że miarodajny czas trwania deszczu dla zbiornika retencyjnego TDM zaleca się określać iteracyjnie z wykorzystaniem opracowanego algorytmu bazującego na sztucznej sieci neuronowej o architekturze MLP Literatura [1] Dziopak J. Analiza teoretyczna i modelowanie wielokomorowych zbiorników kanalizacyjnych. Kraków: Wyd Politechniki Krakowskiej; [2] Słyś D, Dziopak J. Pol J Environ Stud. 2011;20: Pol.J.Environ.Stud.Vol.20.No pdf. [3] Suleiman YM, Ifabiyi IP. Afrrev Stech. 2014;3:18-30 DOI: /stech.v3i2.2. [4] Mrowiec M. Efektywne wymiarowanie i dynamiczna regulacja kanalizacyjnych zborników retencyjnych. Częstochowa: Wyd Politechniki Częstochowskiej; [5] Yao-Ming Hong. J Hydro-Environ Res. 2008;2: DOI: /j.jher [6] Dordević B. Spatium. 2011;24:9-15. DOI: /SPAT D. [7] Dziopak J, Starzec M. Czasop Inż Lądowej, Środ Architekt. 2014;61(3/I): DOI: /rb [8] Bolt A, Burszta-Adamiak E, Gudelis-Taraszkiewicz K, Suligowski Z, Tuszyńska A. Kanalizacja - projektowanie, wykonanie, eksploatacja. Józefosław: Wyd Seidel - Przywecki; [9] Stec A, Słyś D. Ecol Chem Eng S. 2014;21(2): DOI: /eces [10] Zeleňáková M, Markovič G, Kaposztásová D, Vranayová Z. 16th Water Distribution System Analysis Conference, WDSA Urban Water Hydroinformatics and Strategic Planning. 2014;89: DOI: /j.proeng [11] Paik K. J Hydrol. 2008;352: DOI: /j.jhydrol [12] Słyś D. Retencja zbiornikowa i sterowanie dopływem ścieków do oczyszczalni. Lublin: Monografie Komitetu Inżynierii Środowiska Polskiej Akademii Nauk; [13] Pietraszek J. Dobór planu doświadczenia i analiza wyników w badaniach technicznych. Dostęp: [14] Kąkol J. Wprowadzenie do praktycznego planowania eksperymentu. Rzeszów: Politechniki Rzeszowska; 2008, dostęp [15] Ochmański M, Bzówka J. Wybrane przykłady zastosowań sztucznych sieci neuronowych w geotechnice. Dostęp:
10 766 Kamil Pochwat i Daniel Słyś [16] Miller B. Neurocomputing in selected problems of structural identification and damage detection. Rzeszów: Ofic Wyd Politechniki Rzeszowskiej; [17] Stanisz A. Przystępny kurs statystyki w oparciu o program STATISTICA PL na przykładach z medycyny. Kraków: Wyd StatSoft Polska; USING ARTIFICIAL NEURAL NETWORKS FOR DIMENSIONING OF STORAGE RESERVOIRS Department of Infrastructure and Sustainable Development Faculty of Civil and Environmental Engineering and Architecture, Rzeszow University of Technology Abstract: Storage reservoirs are objects which serving inter alia, to reducing the volume of wastewater flow in sewer systems. Their main advantage is the possibility to increase retention in the system, which in turn improves hydraulic safety by reducing the possibility of the node flooding and the emergence of the phenomenon of "urban flooding". An increasingly common use of storage reservoirs, observed climate change and the development of available software tools makes it necessary to update the methods of its dimensioning. So far, the most well-known calculation procedures in this regard is the use of analytical formulas and tools for hydrodynamic modeling the functioning sewage systems. In both cases, the basis for the designing of the retention facility is choosing a appropriate rainfalls which a certain probability of occurrence, and appropriate duration, which causes the critical flow of rainwaters in the sewer system and requires the use of the most necessary storage capacity of the reservoir. The purpose of this article is the analyze of the possibility of using artificial neural networks in the preliminary estimation of the length of duration the critical rainfall. Its value is essential in the process of hydrodynamic modeling of the system and determine the necessary storage capacity of the reservoir. In a study for the construction of an artificial neural network model used in the theory of planning experience and Statistica package. Keywords: storage reservoir, critical rainfall, rainfall distribution, dimensioning of the storage reservoir
WPŁYW UKŁADU HYDRAULICZNEGO ZBIORNIKA NA WYMAGANĄ POJEMNOŚĆ UŻYTKOWĄ UKŁADU ZBIORNIKÓW RETENCYJNYCH W KANALIZACJI
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXIII, z. 63 (2/II/16), kwiecień-czerwiec 2016, s. 105-120 Józef DZIOPAK 1
Bardziej szczegółowoWPŁYW KIERUNKU I PRĘDKOŚĆI FALI DESZCZU NA KUBATURĘ UŻYTKOWĄ WIELOKOMOROWYCH ZBIORNIKÓW RETENCYJNYCH
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXI, z. 61 (3/I/14), lipiec-wrzesień 2014, s. 83-93 Józef DZIOPAK 1 Mariusz
Bardziej szczegółowoWYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN
Inżynieria Rolnicza 2(9)/7 WYZNACZANIE WARTOŚCI PODSTAWOWYCH PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH KOMBAJNÓW ZBOŻOWYCH PRZY UŻYCIU SSN Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Akademia
Bardziej szczegółowoWykorzystanie modeli symulacyjnych do planowania modernizacji kanalizacji deszczowej w Bydgoszczy. Marcin Skotnicki Paweł Kwiecień
Wykorzystanie modeli symulacyjnych do planowania modernizacji kanalizacji deszczowej w Bydgoszczy Marcin Skotnicki Paweł Kwiecień Cel: Cel i zakres referatu Przedstawienie możliwości wykorzystania modeli
Bardziej szczegółowoZASTOSOWANIE AUTORSKIEJ METODY WYZNACZANIA WARTOŚCI PARAMETRÓW NOWOCZESNYCH SYSTEMÓW TECHNICZNYCH DO PŁUGÓW I OPRYSKIWACZY POLOWYCH
Inżynieria Rolnicza 9(118)/2009 ZASTOSOWANIE AUTORSKIEJ METODY WYZNACZANIA WARTOŚCI PARAMETRÓW NOWOCZESNYCH SYSTEMÓW TECHNICZNYCH DO PŁUGÓW I OPRYSKIWACZY POLOWYCH Sławomir Francik Katedra Inżynierii Mechanicznej
Bardziej szczegółowoPROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH
InŜynieria Rolnicza 14/2005 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie PROGNOZOWANIE CENY OGÓRKA SZKLARNIOWEGO ZA POMOCĄ SIECI NEURONOWYCH Streszczenie W
Bardziej szczegółowoAnaliza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych sieci neuronowych 4
Wojciech Sikora 1 AGH w Krakowie Grzegorz Wiązania 2 AGH w Krakowie Maksymilian Smolnik 3 AGH w Krakowie Analiza możliwości szacowania parametrów mieszanin rozkładów prawdopodobieństwa za pomocą sztucznych
Bardziej szczegółowoALGORYTMY SZTUCZNEJ INTELIGENCJI
ALGORYTMY SZTUCZNEJ INTELIGENCJI Sieci neuronowe 06.12.2014 Krzysztof Salamon 1 Wstęp Sprawozdanie to dotyczy ćwiczeń z zakresu sieci neuronowych realizowanym na przedmiocie: Algorytmy Sztucznej Inteligencji.
Bardziej szczegółowodr inż. Marek Zawilski, prof. P.Ł.
UŻYTKOWANIE I OCHRONA ŚRODOWISKA W STRATEGII ZRÓWNOWAŻONEGO ROZWOJU Ograniczenie emisji zanieczyszczeń z terenów zurbanizowanych do środowiska PROBLEMY OBLICZANIA PRZEPŁYWÓW MAKSYMALNYCH PRAWDOPODOBNYCH
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Załącznik nr 1 do procedury nr W_PR_1 Nazwa przedmiotu: Komputerowe wspomaganie projektowania wodociągów i kanalizacji Kierunek: Inżynieria środowiska Kod przedmiotu: Rodzaj przedmiotu: Obieralny, moduł
Bardziej szczegółowoPORÓWNANIE METOD WYMIAROWANIA ZBIORNIKÓW RETENCYJNYCH W WARUNKACH HYDROLOGICZNYCH WROCŁAWIA
kanalizacja deszczowa, model opadów, zbiornik retencyjny, wymiarowanie Bartosz KAŹMIERCZAK, Katarzyna WARTALSKA, Monika NOWAKOWSKA* PORÓWNANIE METOD WYMIAROWANIA ZBIORNIKÓW RETENCYJNYCH W WARUNKACH HYDROLOGICZNYCH
Bardziej szczegółowoINSTYTUT METEOROLOGII I GOSPODARKI WODNEJ PAŃSTWOWY INSTYTUT BADAWCZY Oddział we Wrocławiu. Görlitz
Görlitz 17.11.2014 Pakiet programów MIKE opracowany na Politechnice Duńskiej, zmodyfikowany przez Duński Instytut Hydrauliki, Zasady działania modeli: MIKE NAM - model konceptualny o parametrach skupionych,
Bardziej szczegółowoWYKORZYSTANIE SYSTEMÓW BIORETENCYJNYCH W CELU ZRÓWNOWAŻONEGO GOSPODAROWANIA WODAMI OPADOWYMI W TERENACH USZCZELNIONYCH
Uniwersytet Rolniczy im. Hugona Kołłątaja w Krakowie Wydział Inżynierii Środowiska i Geodezji Politechnika Krakowska im. Tadeusza Kościuszki Wydział Inżynierii Środowiska WYKORZYSTANIE SYSTEMÓW BIORETENCYJNYCH
Bardziej szczegółowoTemat: Sztuczne Sieci Neuronowe. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE
Temat: Sztuczne Sieci Neuronowe Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE Dr inż. Barbara Mrzygłód KISiM, WIMiIP, AGH mrzyglod@ agh.edu.pl 1 Wprowadzenie Sztuczne sieci neuronowe
Bardziej szczegółowoSIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU)
SIEĆ NEURONOWA DO OCENY KOŃCOWEJ PRZEDSIĘWZIĘCIA (PROJEKTU) 1. Opis problemu - ocena końcowa projektu Projekt jako nowe, nietypowe przedsięwzięcie wymaga właściwego zarządzania. Podjęcie się realizacji
Bardziej szczegółowoANALIZA FINANSOWA ROZWIĄZAŃ ZBIORNIKÓW RETENCYJNYCH
zbiorniki retencyjne, analiza techniczno-ekonomiczna, kanalizacja deszczowa, kanalizacja ogólnospławna, uśrednienie dopływu do oczyszczalni ścieków Kamil POCHWAT * ANALIZA FINANSOWA ROZWIĄZAŃ ZBIORNIKÓW
Bardziej szczegółowoSztuczna Inteligencja Tematy projektów Sieci Neuronowe
PB, 2009 2010 Sztuczna Inteligencja Tematy projektów Sieci Neuronowe Projekt 1 Stwórz projekt implementujący jednokierunkową sztuczną neuronową złożoną z neuronów typu sigmoidalnego z algorytmem uczenia
Bardziej szczegółowoZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al
LESZEK A. DOBRZAŃSKI, TOMASZ TAŃSKI ZASTOSOWANIE SIECI NEURONOWYCH DO OPTYMALIZACJI WARUNKÓW OBRÓBKI CIEPLNEJ STOPÓW Mg-Al APPLICATION OF NEURAL NETWORKS FOR OPTIMISATION OF Mg-Al ALLOYS HEAT TREATMENT
Bardziej szczegółowoStreszczenie. Słowa kluczowe: modele neuronowe, parametry ciągników rolniczych
InŜynieria Rolnicza 11/2006 Sławomir Francik Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie METODA PROGNOZOWANIA WARTOŚCI PARAMETRÓW TECHNICZNYCH NOWOCZESNYCH MASZYN ROLNICZYCH
Bardziej szczegółowo2. Obliczenia ilości ścieków deszczowych
Spis treści 1. Wstęp 1.1 Przedmiot opracowania 1.2 Zakres opracowania 1.3 Podstawa opracowania 1.4 Wykorzystane materiały 1.5 Ogólna charakterystyka jednostki osadniczej 2. Obliczenia ilości ścieków deszczowych
Bardziej szczegółowoRETENCJONOWANIE WÓD OPADOWYCH NA TERENACH SILNIE UPRZEMYSŁOWIONYCH
Inżynieria Ekologiczna Ecological Engineering Vol. 48, June 2016, p. 107 112 DOI: 10.12912/23920629/63259 RETENCJONOWANIE WÓD OPADOWYCH NA TERENACH SILNIE UPRZEMYSŁOWIONYCH Bartosz Kaźmierczak 1, Marcin
Bardziej szczegółowoWykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym
Wiesława MALSKA Politechnika Rzeszowska, Polska Anna KOZIOROWSKA Uniwersytet Rzeszowski, Polska Wykorzystanie testu t dla pojedynczej próby we wnioskowaniu statystycznym Wstęp Wnioskowanie statystyczne
Bardziej szczegółowoWprowadzenie do analizy korelacji i regresji
Statystyka dla jakości produktów i usług Six sigma i inne strategie Wprowadzenie do analizy korelacji i regresji StatSoft Polska Wybrane zagadnienia analizy korelacji Przy analizie zjawisk i procesów stanowiących
Bardziej szczegółowoMETODA PROGNOZOWANIA SZEREGÓW CZASOWYCH PRZY UŻYCIU SZTUCZNYCH SIECI NEURONOWYCH
Inżynieria Rolnicza 6(115)/2009 METODA PROGNOZOWANIA SZEREGÓW CZASOWYCH PRZY UŻYCIU SZTUCZNYCH SIECI NEURONOWYCH Sławomir Francik Katedra Inżynierii Mechanicznej i Agrofizyki, Uniwersytet Rolniczy w Krakowie
Bardziej szczegółowoObliczenia hydrauliczne, modelowanie zlewni. Opracowanie, wdrożenie i utrzymanie modeli hydrodynamicznych
Obliczenia hydrauliczne, modelowanie zlewni. Opracowanie, wdrożenie i utrzymanie modeli hydrodynamicznych Tomasz Glixelli, Paweł Kwiecień, Jacek Zalewski Bydgoszcz, 22 czerwca 2017 2 Przygotowanie danych
Bardziej szczegółowoPROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH**
Górnictwo i Geoinżynieria Rok 31 Zeszyt 3 2007 Dorota Pawluś* PROGNOZOWANIE OSIADAŃ POWIERZCHNI TERENU PRZY UŻYCIU SIECI NEURONOWYCH** 1. Wstęp Eksploatacja górnicza złóż ma niekorzystny wpływ na powierzchnię
Bardziej szczegółowoBudowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego
Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne
Bardziej szczegółowoProjekt Sieci neuronowe
Projekt Sieci neuronowe Chmielecka Katarzyna Gr. 9 IiE 1. Problem i dane Sieć neuronowa miała za zadanie nauczyć się klasyfikować wnioski kredytowe. W projekcie wykorzystano dane pochodzące z 110 wniosków
Bardziej szczegółowoSpis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar... 1. Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16
Spis treści Przedmowa.......................... XI Rozdział 1. Pomiar: jednostki miar................. 1 1.1. Wielkości fizyczne i pozafizyczne.................. 1 1.2. Spójne układy miar. Układ SI i jego
Bardziej szczegółowoSieci neuronowe w Statistica
http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej
Bardziej szczegółowoSTORMWATER 2018, Gdańsk
STORMWATER 2018, Gdańsk Rozwój indywidualnych systemów retencyjnych i ich wpływ na funkcjonowanie kanalizacji ogólnospławnej Maciej Mrowiec Wody opadowe w obszarach zurbanizowanych Oddziaływanie jakościowe
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015 Kierunek studiów: Inżynieria Środowiska
Bardziej szczegółowoMODELOWANIE DZIAŁANIA KANALIZACJI DESZCZOWEJ ZE ZBIORNIKIEM RETENCYJNYM
wody opadowe, retencja, modelowanie hydrodynamiczne Justyna GANCARZ, Katarzyna WARTALSKA, Bartosz KAŹMIERCZAK* MODELOWANIE DZIAŁANIA KANALIZACJI DESZCZOWEJ ZE ZBIORNIKIEM RETENCYJNYM Zbiorniki retencyjne
Bardziej szczegółowoNazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych. Informatics systems for the statistical treatment of data Kierunek:
Nazwa przedmiotu: Informatyczne systemy statystycznej obróbki danych I KARTA PRZEDMIOTU CEL PRZEDMIOTU Informatics systems for the statistical treatment of data Kierunek: Forma studiów Informatyka Stacjonarne
Bardziej szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH
Maciej OCHMAŃSKI * Politechnika Śląska WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH DO ANALIZY WPŁYWU WYBRANYCH PARAMETRÓW NA ŚREDNICE KOLUMN INIEKCYJNYCH 1. Wprowadzenie Kolumny iniekcyjne jet grouting
Bardziej szczegółowoUogólniona metoda analityczna wymiarowania przelewowych zbiorników retencyjnych ścieków deszczowych
OCHRONA ŚRODOWISKA Vol. 38 2016 Nr 1 Andrzej Kotowski, Katarzyna Wartalska, Monika Nowakowska Uogólniona metoda analityczna wymiarowania przelewowych zbiorników retencyjnych ścieków deszczowych Systemy
Bardziej szczegółowoANALIZA HYDRAULICZNA FUNKCJONOWANIA ZBIORNIKA RETENCYJNEGO WYPOSAŻONEGO W INSTALACJĘ OBIEKTÓW RETENCYJNYCH
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXIII, z. 63 (2/II/16), kwiecień-czerwiec 2016, s. 359-369 Kamil Błażej POCHWAT
Bardziej szczegółowoBeata Baziak, Wiesław Gądek, Tamara Tokarczyk, Marek Bodziony
IIGW PK Beata Baziak Wiesław Gądek Marek Bodziony IMGW PIB Tamara Tokarczyk Las i woda - Supraśl 12-14.09-2017 Celem prezentacji jest przedstawienie wzorów empirycznych do wyznaczania wartości deskryptorów
Bardziej szczegółowoWPŁYW KIERUNKU I PRĘDKOŚCI PRZEMIESZCZANIA SIĘ OPADU DESZCZU NA MAKSYMALNE SZCZYTOWE PRZEPŁYWY ŚCIEKÓW W SIECI KANALIZACYJNEJ
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXI, z. 61 (3/I/14), lipiec-wrzesień 2014, s. 63-81 Józef DZIOPAK 1 Mariusz
Bardziej szczegółowoPRZEWIDYWANIE RODZAJU USZKODZEŃ PRZEWODÓW WODOCIĄGOWYCH ZA POMOCĄ KLASYFIKUJĄCYCH SIECI NEURONOWYCH
Przewody wodociągowe, sieci neuronowe, uszkodzenia Małgorzata KUTYŁOWSKA* PRZEWIDYWANIE RODZAJU USZKODZEŃ PRZEWODÓW WODOCIĄGOWYCH ZA POMOCĄ KLASYFIKUJĄCYCH SIECI NEURONOWYCH Celem pracy jest analiza i
Bardziej szczegółowoOPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI
Inżynieria Rolnicza 6(131)/2011 OPTYMALIZACJA STEROWANIA MIKROKLIMATEM W PIECZARKARNI Leonard Woroncow, Ewa Wachowicz Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy przedstawiono wyniki
Bardziej szczegółowoMOŻLIWOŚCI ZASTOSOWANIA METOD DATA MINING DO ANALIZY ILOŚCI ŚCIEKÓW DOPŁYWAJĄCYCH DO OCZYSZCZALNI
MOŻLIWOŚCI ZASTOSOWANIA METOD DATA MINING DO ANALIZY ILOŚCI ŚCIEKÓW DOPŁYWAJĄCYCH DO OCZYSZCZALNI Monika Paluch-Puk, Instytut Inżynierii Środowiska, Uniwersytet Przyrodniczy we Wrocławiu W każdej oczyszczalni
Bardziej szczegółowoModelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka
Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej
Bardziej szczegółowoDOBÓR OPTYMALNEJ POJEMNOŚCI ZBIORNIKA RETENCJONUJĄCEGO WODY W MAŁYCH ZLEWNIACH DESZCZOWYCH
UNIWERSYTET ZIELONOGÓRSKI ZESZYTY NAUKOWE NR 151 Nr 31 INŻYNIERIA ŚRODOWISKA 2013 PĄZIK RAFAŁ *, KOSTECKI JAKUB ** DOBÓR OPTYMALNEJ POJEMNOŚCI ZBIORNIKA RETENCJONUJĄCEGO WODY W MAŁYCH ZLEWNIACH DESZCZOWYCH
Bardziej szczegółowoKORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y. 2. Współczynnik korelacji Pearsona
KORELACJA 1. Wykres rozrzutu ocena związku między zmiennymi X i Y 2. Współczynnik korelacji Pearsona 3. Siła i kierunek związku między zmiennymi 4. Korelacja ma sens, tylko wtedy, gdy związek między zmiennymi
Bardziej szczegółowoALGORYTM ROZPOZNAWANIA OBRAZÓW MATERIAŁÓW BIOLOGICZNYCH
InŜynieria Rolnicza 7/2005 Bogusława Łapczyńska-Kordon, Jerzy Langman, Norbert Pedryc Katedra InŜynierii Mechanicznej i Agrofizyki Akademia Rolnicza w Krakowie ALGORYTM ROZPOZNAWANIA OBRAZÓW MATERIAŁÓW
Bardziej szczegółowokanalizacyjnych Optimization of water and sewage systems
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA RZEDMIOTU Kod modułu Optymalizacja systemów wodociągowych i Nazwa modułu kanalizacyjnych Nazwa modułu w języku
Bardziej szczegółowoWstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.
Wstęp do teorii sztucznej inteligencji Wykład III Modele sieci neuronowych. 1 Perceptron model najprostzszy przypomnienie Schemat neuronu opracowany przez McCullocha i Pittsa w 1943 roku. Przykład funkcji
Bardziej szczegółowoWeryfikacja przepustowości kanalizacji deszczowej w modelowaniu hydrodynamicznym
Prace Naukowe Instytutu Inżynierii Ochrony Środowiska Politechniki Wrocławskiej 92 Seria: Monografie 57 Bartosz Kaźmierczak Andrzej Kotowski Weryfikacja przepustowości kanalizacji deszczowej w modelowaniu
Bardziej szczegółowoMODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH ZEWNĘTRZNYCH WYKONANYCH Z UŻYCIEM LEKKICH KONSTRUKCJI SZKIELETOWYCH
Budownictwo o Zoptymalizowanym Potencjale Energetycznym 2(18) 2016, s. 55-60 DOI: 10.17512/bozpe.2016.2.08 Maciej MAJOR, Mariusz KOSIŃ Politechnika Częstochowska MODELOWANIE ROZKŁADU TEMPERATUR W PRZEGRODACH
Bardziej szczegółowoWYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU
WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych
Bardziej szczegółowoPodstawy Sztucznej Inteligencji
Politechnika Łódzka Katedra Informatyki Stosowanej Podstawy Sztucznej Inteligencji Laboratorium Ćwiczenie 2 Wykorzystanie środowiska Matlab do modelowania sztucznych sieci neuronowych Opracowali: Dr hab
Bardziej szczegółowoOCENA ZDOLNOŚCI RETENCYJNEJ KOLEKTORA KANALIZACYJNEGO
CZASOPISMO INŻYNIERII LĄDOWEJ, ŚRODOWISKA I ARCHITEKTURY JOURNAL OF CIVIL ENGINEERING, ENVIRONMENT AND ARCHITECTURE JCEEA, t. XXXI, z. 61 (3/I/14), lipiec-wrzesień 2014, s. 265-283 Marcin SKOTNICKI 1 Marek
Bardziej szczegółowoSTEROWANIA RUCHEM KOLEJOWYM Z WYKORZYSTANIEM METOD SYMULACYJNYCH
PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ z. 113 Transport 2016 Uniwersytet Technologiczno-Humanistyczny w Radomiu STEROWANIA RUCHEM KOLEJOWYM Z WYKORZYSTANIEM METOD SYMULACYJNYCH : marzec 2016 Streszczenie:
Bardziej szczegółowoMODEL NEURONOWY ZMIAN TEMPERATURY PODCZAS KONWEKCYJNEGO SUSZENIA ZRĘBKÓW WIERZBY ENERGETYCZNEJ
Inżynieria Rolnicza 11(109)/2008 MODEL NEURONOWY ZMIAN TEMPERATURY PODCZAS KONWEKCYJNEGO SUSZENIA ZRĘBKÓW WIERZBY ENERGETYCZNEJ Bogusława Łapczyńska-Kordon, Sławomir Francik, Zbigniew Ślipek Katedra Inżynierii
Bardziej szczegółowoSieci neuronowe w Statistica. Agnieszka Nowak - Brzezioska
Sieci neuronowe w Statistica Agnieszka Nowak - Brzezioska Podstawowym elementem składowym sztucznej sieci neuronowej jest element przetwarzający neuron. Schemat działania neuronu: x1 x2 w1 w2 Dendrites
Bardziej szczegółowoDobór zestawu maszyn do robót ziemnych w aspekcie minimalizacji emisyjności CO 2
Budownictwo i Architektura 12(4) (2013) 233-250 Dobór zestawu maszyn do robót ziemnych w aspekcie minimalizacji emisyjności CO 2 1 Katedra Inżynierii Procesów Budowlanych, Wydział Budownictwa i Architektury,
Bardziej szczegółowoMODELOWANIE PROCESÓW PRZETWÓRCZYCH Z UŻYCIEM SZTUCZNYCH SIECI NEURONOWYCH
Inżynieria Rolnicza 7(125)/2010 MODELOWANIE PROCESÓW PRZETWÓRCZYCH Z UŻYCIEM SZTUCZNYCH SIECI NEURONOWYCH Jerzy Langman, Norbert Pedryc Katedra Inżynierii Mechanicznej i Agrofizyki, Uniwersytet Rolniczy
Bardziej szczegółowoKanalizacja : projektowanie, wykonanie, eksploatacja / Adam Bolt [et al.] ; [red. nauk. Ziemowit Suligowski]. [Józefosław], 2012.
Kanalizacja : projektowanie, wykonanie, eksploatacja / Adam Bolt [et al.] ; [red. nauk. ]. [Józefosław], 2012 Spis treści Wprowadzenie 15 Wykaz oznaczeń i skrótów 19 1. Kanalizacja w planach przestrzennego
Bardziej szczegółowoANALIZA PRZEPŁYWÓW W INSTALACJACH WODOCIĄGOWYCH W OBIEKTACH HOTELOWYCH
ANALIZA PRZEPŁYWÓW W INSTALACJACH WODOCIĄGOWYCH W OBIEKTACH HOTELOWYCH Piotr Krzysztof TUZ, Joanna GWOŹDZIEJ-MAZUR Wydział Budownictwa i Inżynierii Środowiska, Politechnika Białostocka, ul. Wiejska 45A,
Bardziej szczegółowoPROGNOZOWANIE PORÓWNAWCZE ENERGII PROCESOWEJ ZESTAWÓW MASZYN DO ROBÓT ZIEMNYCH JAKO CZYNNIKA RYZYKA EMISYJNOŚCI CO2
PROGNOZOWANIE PORÓWNAWCZE ENERGII PROCESOWEJ ZESTAWÓW MASZYN DO ROBÓT ZIEMNYCH JAKO CZYNNIKA RYZYKA EMISYJNOŚCI CO2 Celem opracowania algorytmu obliczeń jest umożliwienie doboru zestawu maszyn do robót
Bardziej szczegółowoPodstawy bezpiecznego wymiarowania odwodnień terenów. Tom I sieci kanalizacyjne
Podstawy bezpiecznego wymiarowania odwodnień terenów. Tom I sieci kanalizacyjne Prezentowany podręcznik akademicki stanowi podsumowanie dotychczasowego stanu wiedzy w zakresie podstaw nowoczesnego - bezpiecznego
Bardziej szczegółowoTestowanie modeli predykcyjnych
Testowanie modeli predykcyjnych Wstęp Podczas budowy modelu, którego celem jest przewidywanie pewnych wartości na podstawie zbioru danych uczących poważnym problemem jest ocena jakości uczenia i zdolności
Bardziej szczegółowoModel referencyjny doboru narzędzi Open Source dla zarządzania wymaganiami
Politechnika Gdańska Wydział Zarządzania i Ekonomii Katedra Zastosowań Informatyki w Zarządzaniu Zakład Zarządzania Technologiami Informatycznymi Model referencyjny Open Source dla dr hab. inż. Cezary
Bardziej szczegółowoObrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego
IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,
Bardziej szczegółowoDopasowywanie modelu do danych
Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;
Bardziej szczegółowoInżynieria Rolnicza 5(114)/2009
Inżynieria Rolnicza 5(114)/2009 MODELE ROZMYTE ZAPOTRZEBOWANIA NA MOC DLA POTRZEB KRÓTKOTERMINOWEGO PROGNOZOWANIA ZUŻYCIA ENERGII ELEKTRYCZNEJ NA WSI CZĘŚĆ I. ALGORYTMY WYZNACZANIA MODELI ROZMYTYCH Jerzy
Bardziej szczegółowoMATEMATYCZNY MODEL PĘTLI HISTEREZY MAGNETYCZNEJ
ELEKTRYKA 014 Zeszyt 1 (9) Rok LX Krzysztof SZTYMELSKI, Marian PASKO Politechnika Śląska w Gliwicach MATEMATYCZNY MODEL PĘTLI ISTEREZY MAGNETYCZNEJ Streszczenie. W artykule został zaprezentowany matematyczny
Bardziej szczegółowoAlgorytmy sztucznej inteligencji
Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia
Bardziej szczegółowoThe development of the technological process in an integrated computer system CAD / CAM (SerfCAM and MTS) with emphasis on their use and purpose.
mgr inż. Marta Kordowska, dr inż. Wojciech Musiał; Politechnika Koszalińska, Wydział: Mechanika i Budowa Maszyn; marteczka.kordowska@vp.pl wmusiał@vp.pl Opracowanie przebiegu procesu technologicznego w
Bardziej szczegółowoAnaliza wpływu sterowania retencją korytową małego cieku na redukcję fal wezbraniowych przy wykorzystaniu modeli Hec Ras i Hec ResSim
Analiza wpływu sterowania retencją korytową małego cieku na redukcję fal wezbraniowych przy wykorzystaniu modeli Hec Ras i Hec ResSim mgr inż. Bartosz Kierasiński Zakład Zasobów Wodnych Instytut Technologiczno-Przyrodniczy
Bardziej szczegółowoSzybkie prototypowanie w projektowaniu mechatronicznym
Szybkie prototypowanie w projektowaniu mechatronicznym Systemy wbudowane (Embedded Systems) Systemy wbudowane (ang. Embedded Systems) są to dedykowane architektury komputerowe, które są integralną częścią
Bardziej szczegółowoZastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań
Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW
Bardziej szczegółowoStatystyka opisowa. Wykład V. Regresja liniowa wieloraka
Statystyka opisowa. Wykład V. e-mail:e.kozlovski@pollub.pl Spis treści 1 Prosta regresji cechy Y względem cech X 1,..., X k. 2 3 Wyznaczamy zależność cechy Y od cech X 1, X 2,..., X k postaci Y = α 0 +
Bardziej szczegółowoPolitechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2014/2015
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu Wydział Inżynierii Środowiska obowiązuje studentów rozpoczynających studia w roku akademickim 201/2015 Kierunek studiów: Inżynieria Środowiska
Bardziej szczegółowoEgzamin / zaliczenie na ocenę*
Zał. nr do ZW /01 WYDZIAŁ / STUDIUM KARTA PRZEDMIOTU Nazwa w języku polskim Identyfikacja systemów Nazwa w języku angielskim System identification Kierunek studiów (jeśli dotyczy): Inżynieria Systemów
Bardziej szczegółowoZASTOSOWANIE PROGRAMU SEWERGEMS DO PROBABILISTYCZNEGO WYMIAROWANIA OBJĘTOŚCI ZBIORNIKA RETENCYJNEGO WÓD OPADOWYCH
Program SewerGEMS, wymiarowanie zbiorników retencyjnych, modelowanie hydrodynamiczne Maria NIESOBSKA, Dagmara DŻUGAJ, Paweł LICZNAR* 1 ZASTOSOWANIE PROGRAMU SEWERGEMS DO PROBABILISTYCZNEGO WYMIAROWANIA
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
Bardziej szczegółowoWeryfikacja metod wymiarowania kanalizacji deszczowej za pomocą modelu hydrodynamicznego (SWMM) w warunkach wrocławskich
OCHRONA ŚRODOWISKA Vol. 34 2012 Nr 2 Bartosz Kaźmierczak, Andrzej Kotowski, Andrzej Dancewicz Weryfikacja metod wymiarowania kanalizacji deszczowej za pomocą modelu hydrodynamicznego (SWMM) w warunkach
Bardziej szczegółowoKOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK
Inżynieria Rolnicza 8(117)/2009 KOMPUTEROWY MODEL UKŁADU STEROWANIA MIKROKLIMATEM W PRZECHOWALNI JABŁEK Ewa Wachowicz, Piotr Grudziński Katedra Automatyki, Politechnika Koszalińska Streszczenie. W pracy
Bardziej szczegółowoWPŁYW ROZWOJU TERENÓW MIEJSKICH NA FUNKCJONOWANIE SYSTEMU KANALIZACYJNEGO MIASTA PRZEMYŚLA
Proceedings of ECOpole DOI: 10.2429/proc.2012.6(2)081 2012;6(2) Agnieszka STEC 1 i Daniel SŁYŚ 1 WPŁYW ROZWOJU TERENÓW MIEJSKICH NA FUNKCJONOWANIE SYSTEMU KANALIZACYJNEGO MIASTA PRZEMYŚLA INFLUENCE OF
Bardziej szczegółowoStreszczenie. Abstract
Maciej Mrowiec, robert malmur * Wpływ przestrzennej zmienności opadów na niezawodność systemów kanalizacyjnych INFLUENCE of the spatial variation of the rainfall on the urban drainage systems reliability
Bardziej szczegółowoWYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI
WYZNACZANIE NIEPEWNOŚCI POMIARU METODAMI SYMULACYJNYMI Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskiego 8, 04-703 Warszawa tel. (0)
Bardziej szczegółowoRozdział 8. Regresja. Definiowanie modelu
Rozdział 8 Regresja Definiowanie modelu Analizę korelacji można traktować jako wstęp do analizy regresji. Jeżeli wykresy rozrzutu oraz wartości współczynników korelacji wskazują na istniejąca współzmienność
Bardziej szczegółowoWYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU CZASOWEGO ZWIĄZANEGO ZE SPRZEDAŻĄ ASORTYMENTU HUTNICZEGO
5/18 ARCHIWUM ODLEWNICTWA Rok 2006, Rocznik 6, Nr 18 (1/2) ARCHIVES OF FOUNDRY Year 2006, Volume 6, N o 18 (1/2) PAN Katowice PL ISSN 1642-5308 WYKORZYSTANIE MODELI AUTOREGRESJI DO PROGNOZOWANIA SZEREGU
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Komputerowe wspomaganie projektowania wodociągów i kanalizacji Computer aided design of water supply and sewage systems Kierunek: inżynieria środowiska Kod przedmiotu: 5.1.4 Rodzaj przedmiotu:
Bardziej szczegółowoALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA
ALGORYTM UZUPEŁNIANIA BRAKUJĄCYCH DANYCH W ZBIORACH REJESTROWANYCH NA STACJACH MONITORINGU POWIETRZA Szymon HOFFMAN, Rafał JASIŃSKI Politechnika Częstochowska Wydział Inżynierii i Ochrony Środowiska ul.
Bardziej szczegółowoINTELIGENTNE ŁAGODZENIE KLIMATU W SKALI DUŻEGO MIASTA
INTELIGENTNE ŁAGODZENIE KLIMATU W SKALI DUŻEGO MIASTA Stanisław Drzewiecki Prezes Zarządu Dyrektor Naczelny Miejskich Wodociągów i Kanalizacji w Bydgoszczy Sp. z o.o. AKTUALNE UWARUNKOWANIA I SKUTKI ZMIAN
Bardziej szczegółowoOpracowanie koncepcji budowy suchego zbiornika
Opracowanie koncepcji budowy suchego zbiornika Temat + materiały pomocnicze (opis projektu, tabele współczynników) są dostępne na stronie: http://ziw.sggw.pl/dydaktyka/ Zbigniew Popek/Ochrona przed powodzią
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoPraktyczne aspekty wymiarowania belek żelbetowych podwójnie zbrojonych w świetle PN-EN
Budownictwo i Architektura 12(4) (2013) 219-224 Praktyczne aspekty wymiarowania belek żelbetowych podwójnie zbrojonych w świetle PN-EN 1992-1-1 Politechnika Lubelska, Wydział Budownictwa i Architektury,
Bardziej szczegółowoSZTUCZNE SIECI NEURONOWE W MODELOWANIU PROCESÓW Z OGRANICZONYM ZBIOREM DANYCH W INŻYNIERII ROLNICZEJ
Inżynieria Rolnicza /005 Jędrzej Trajer Katedra Podstaw Inżynierii Szkoła Główna Gospodarstwa Wiejskiego w Warszawie SZTUCZNE SIECI NEURONOWE W MODELOWANIU PROCESÓW Z OGRANICZONYM ZBIOREM DANYCH W INŻYNIERII
Bardziej szczegółowoRola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych
Politechnika Krakowska Instytut Inżynierii i Gospodarki Wodnej Rola innowacji w ocenie ryzyka eksploatacji obiektów hydrotechnicznych XXVI Konferencja Naukowa Metody Komputerowe w Projektowaniu i Analizie
Bardziej szczegółowoPRZETWARZANIE GRAFICZNYCH DANYCH EMPIRYCZNYCH DLA POTRZEB EDUKACJI SZTUCZNYCH SIECI NEURONOWYCH, MODELUJĄCYCH WYBRANE ZAGADNIENIA INŻYNIERII ROLNICZEJ
Inżynieria Rolnicza 2(90)/2007 PRZETWARZANIE GRAFICZNYCH DANYCH EMPIRYCZNYCH DLA POTRZEB EDUKACJI SZTUCZNYCH SIECI NEURONOWYCH, MODELUJĄCYCH WYBRANE ZAGADNIENIA INŻYNIERII ROLNICZEJ Krzysztof Nowakowski,
Bardziej szczegółowoStrefa pokrycia radiowego wokół stacji bazowych. Zasięg stacji bazowych Zazębianie się komórek
Problem zapożyczania kanałów z wykorzystaniem narzędzi optymalizacji Wprowadzenie Rozwiązanie problemu przydziału częstotliwości prowadzi do stanu, w którym każdej stacji bazowej przydzielono żądaną liczbę
Bardziej szczegółowoREGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ
REGRESJA I KORELACJA MODEL REGRESJI LINIOWEJ Korelacja oznacza fakt współzależności zmiennych, czyli istnienie powiązania pomiędzy nimi. Siłę i kierunek powiązania określa się za pomocą współczynnika korelacji
Bardziej szczegółowoInżynieria Rolnicza 5(93)/2007
Inżynieria Rolnicza 5(9)/7 WPŁYW PODSTAWOWYCH WIELKOŚCI WEJŚCIOWYCH PROCESU EKSPANDOWANIA NASION AMARANTUSA I PROSA W STRUMIENIU GORĄCEGO POWIETRZA NA NIEZAWODNOŚĆ ICH TRANSPORTU PNEUMATYCZNEGO Henryk
Bardziej szczegółowoANALIZA KROTNOŚCI DZIAŁANIA PRZELEWÓW BURZOWYCH *
Proceedings of ECOpole DOI: 1.2429/proc.213.7(2)81 213;7(2) Bartosz KAŹMIERCZAK 1 ANALIZA KROTNOŚCI DZIAŁANIA PRZELEWÓW BURZOWYCH * ANALYSIS OF NUMBER OF SEWAGE DISCHARGES TO THE RECEIVER Abstrakt: Przy
Bardziej szczegółowoMetody symulacji komputerowych Modelowanie systemów technicznych
Metody symulacji komputerowych Modelowanie systemów technicznych dr inż. Ryszard Myhan Katedra Inżynierii Procesów Rolniczych Program przedmiotu Lp. Temat Zakres 1. Wprowadzenie do teorii systemów Definicje
Bardziej szczegółowoZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO OCENY ZDOLNOŚCI KREDYTOWYCH ROLNIKÓW KLIENTÓW FIRMY LEASINGOWEJ
Inżynieria Rolnicza 1(99)/2008 ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO OCENY ZDOLNOŚCI KREDYTOWYCH ROLNIKÓW KLIENTÓW FIRMY LEASINGOWEJ Marta Kiljańska, Marek Klimkiewicz Katedra Organizacji i Inżynierii
Bardziej szczegółowo